鏈事件圖的推理和學習.pdf

1、概率圖模型的主要研究內(nèi)容包括表示理論、推理理論和學習理論，基于不同的表示理論，人們提出不同的模型以滿足各種問題的需要．在傳統(tǒng)的概率圖模型中，常常使用節(jié)點表示變量，使用節(jié)點之間的邊表示變量間的依賴關(guān)系．基于新的表示理論， Jim Q. Smith等人于2005年首次提出鏈事件圖的概念，引起了國內(nèi)外的廣泛關(guān)注．鏈事件圖作為一類新興的概率圖模型，與經(jīng)典的貝葉斯網(wǎng)絡相比，可以更加全面精細地描述問題，更加方便簡單地進行概率推理．
　　鏈事件

2、圖的前期研究重點在于完善其表示理論，目前的研究內(nèi)容側(cè)重于模型的學習算法研究．已有的結(jié)構(gòu)學習算法都是基于模型評分和模型優(yōu)化思想從鏈事件圖結(jié)構(gòu)空間中選擇評分最高的模型，此類算法的優(yōu)點是結(jié)果精確可靠，缺點是時間復雜度高、適用范圍?。槍@些問題，本文的主要工作如下：
　　詳細介紹了鏈事件圖的相關(guān)基礎(chǔ)知識，引入了鏈事件圖的相關(guān)定義和術(shù)語，結(jié)合具體事例闡述了其表示理論和推理理論．同時解釋了鏈事件圖的構(gòu)造原理，對鏈事件圖的推理理論也進行了相應

3、的研究．與貝葉斯網(wǎng)絡相比，盡管它們的推理理論差異較小，但其表示理論對于已經(jīng)熟悉傳統(tǒng)概率圖模型的人們來說可謂是耳目一新．
　　論文創(chuàng)新性的提出了基于列聯(lián)表獨立性檢測的結(jié)構(gòu)學習算法．通過理論證明和實驗仿真驗證了新算法的可行性、正確性和高效性．與已有的AHC算法不同的是，新算法并未使用評分學習的思想，而是改用獨立性檢測來確定事件樹中的情形融合和階段劃分．理論證明了階段劃分和位置劃分的等價性，并將其應用于新算法．與已有算法相比，新算法在實